JP2020135598A - Information processing device, information processing method, and program - Google Patents
Information processing device, information processing method, and program Download PDFInfo
- Publication number
- JP2020135598A JP2020135598A JP2019030292A JP2019030292A JP2020135598A JP 2020135598 A JP2020135598 A JP 2020135598A JP 2019030292 A JP2019030292 A JP 2019030292A JP 2019030292 A JP2019030292 A JP 2019030292A JP 2020135598 A JP2020135598 A JP 2020135598A
- Authority
- JP
- Japan
- Prior art keywords
- model
- worker
- data
- unit
- target person
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 40
- 238000003672 processing method Methods 0.000 title claims description 5
- 230000007115 recruitment Effects 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims description 67
- 238000000034 method Methods 0.000 claims description 11
- 230000008520 organization Effects 0.000 claims description 10
- 230000005477 standard model Effects 0.000 description 12
- 238000012549 training Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 9
- 230000001815 facial effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、モデル対象者に基づいて基準モデルを生成する情報処理装置、情報処理方法及びプログラムに関する。 The present invention relates to an information processing device, an information processing method, and a program that generate a reference model based on a model subject.
従来から、新たな人材を採用するに際して、支援システムを用いることが提案されている。特許文献１では、個別企業の社員の社内評価得点を含む社内評価情報が保存された社員評価データベースと、社員の職務適性試験の結果情報が保存された社員試験結果データベースと、社員評価データベースに保存された社員の社内評価得点を、社員試験結果データベースに保存された社員の職務適性試験の結果情報に関連付け、社内評価得点が所定値以上である高評価社員の職務適性試験の結果情報を抽出する高評価社員情報抽出手段と、高評価社員情報抽出手段により抽出された結果情報に基づいて、採用選考対象者の職務適性試験の結果の個別企業における採用目標範囲を決定する採用目標範囲決定手段と、を有する人材採用支援システムが提案されている。 Conventionally, it has been proposed to use a support system when hiring new human resources. In Patent Document 1, an employee evaluation database in which in-house evaluation information including in-house evaluation scores of employees of individual companies is stored, an employee examination result database in which employee aptitude test result information is stored, and an employee evaluation database are stored. The in-house evaluation score of the employee is associated with the result information of the employee's job aptitude test stored in the employee test result database, and the result information of the job aptitude test of the highly evaluated employee whose in-house evaluation score is equal to or higher than the predetermined value is extracted. Based on the highly evaluated employee information extraction means and the result information extracted by the highly evaluated employee information extraction means, the recruitment target range determination means for determining the recruitment target range in individual companies as a result of the job aptitude test of the recruitment selection target person. A human resources recruitment support system with, has been proposed.
特許文献１で示されているようなシステムでは、職務適性試験の結果を利用して採用目標範囲を決定しているが、あくまでも職務適性試験の結果が基準となっており、職務適性試験のような試験では測定できない情報を利用した採用活動を期待できない。 In a system as shown in Patent Document 1, the hiring target range is determined by using the result of the job aptitude test, but the result of the job aptitude test is the standard, and it is like the job aptitude test. Recruitment activities using information that cannot be measured in a patented test cannot be expected.
本発明は、従前とは異なる観点から採用や人事異動等の用途に利用できる基準モデルを提供する。 The present invention provides a reference model that can be used for applications such as recruitment and personnel changes from a different viewpoint than before.
本発明による情報処理装置は、
記憶部に記憶された勤務者データを検索する検索部と、
前記検索部で検索された勤務者データをモデル候補者として読み出し、前記モデル候補者として読み出された勤務者データのうち少なくとも勤務者写真データを出力する出力部と、
前記モデル候補者からモデル対象者を選定するための情報を受け付ける受付部と、
選定されたモデル対象者と前記モデル対象者以外の勤務者の勤務者データを用いて基準モデルを生成する学習部と、
を備えてもよい。
The information processing device according to the present invention
A search unit that searches for worker data stored in the storage unit,
An output unit that reads the worker data searched by the search unit as a model candidate and outputs at least the worker photo data among the worker data read as the model candidate.
The reception department that receives information for selecting model target persons from the model candidates, and
A learning department that generates a reference model using the worker data of the selected model target person and workers other than the model target person.
May be provided.
本発明による情報処理装置は、
前記出力部で出力された前記勤務者写真データを表示する表示部を備え、
入力部を介して前記モデル候補者の勤務者写真データから所定の勤務者写真データが選択されることで、前記モデル対象者が選定されてもよい。
The information processing device according to the present invention
A display unit for displaying the worker photo data output by the output unit is provided.
The model target person may be selected by selecting a predetermined worker photo data from the worker photo data of the model candidate via the input unit.
本発明による情報処理装置において、
前記表示部は、前記勤務者写真データとともに当該勤務者の氏名及び所属組織を表示してもよい。
In the information processing device according to the present invention
The display unit may display the name and the organization to which the worker belongs together with the worker photograph data.
本発明による情報処理装置において、
前記勤務者写真データは勤務者の顔写真であってもよい。
In the information processing device according to the present invention
The worker photograph data may be a face photograph of the worker.
本発明による情報処理装置において、
前記モデル対象者の一部を用いて前記学習部が学習を行い、
前記モデル対象者の残部を用いて評価部での評価を行い、
前記評価部での評価結果が所定の基準を満たしていない場合には、前記出力部は、モデル対象者の再選定を促してもよい。
In the information processing device according to the present invention
The learning unit learns using a part of the model target person,
Evaluation by the evaluation department is performed using the remaining part of the model subject,
If the evaluation result in the evaluation unit does not meet the predetermined criteria, the output unit may prompt the reselection of the model target person.
本発明による情報処理装置において、
前記勤務者データは役職及び人事評価を含んでもよい。
In the information processing device according to the present invention
The worker data may include job title and personnel evaluation.
本発明による情報処理装置において、
前記勤務者データは勤務者の売上情報を含んでもよい。
In the information processing device according to the present invention
The worker data may include sales information of the worker.
本発明による情報処理装置において、
前記出力部は、前記記憶部に記憶されている勤務者データ又は採用候補者データに前記学習部で生成された基準モデルを適用することで対象者を出力してもよい。
In the information processing device according to the present invention
The output unit may output the target person by applying the reference model generated by the learning unit to the worker data or the recruitment candidate data stored in the storage unit.
本発明による情報処理方法は、
検索部によって、記憶部に記憶された勤務者データを検索し、検索された勤務者データをモデル候補者として読み出す工程と、
出力部によって、前記モデル候補者として読み出された勤務者データのうち少なくとも勤務者写真データを出力する工程と、
受付部によって、前記モデル候補者からモデル対象者を選定するための情報を受け付ける工程と、
学習部によって、選定されたモデル対象者と前記モデル対象者以外の勤務者の勤務者データを用いて基準モデルを生成する工程と、
を備えてもよい。
The information processing method according to the present invention
The process of searching the worker data stored in the storage unit by the search unit and reading the searched worker data as a model candidate,
The process of outputting at least the worker photo data among the worker data read out as the model candidate by the output unit, and
The process of receiving information for selecting a model target person from the model candidates by the reception department, and
The process of generating a reference model using the worker data of the model target person selected by the learning department and the workers other than the model target person, and
May be provided.
本発明によるプログラムは、
情報処理装置にインストールするためのプログラムであって、
プログラムをインストールされた情報処理装置は、
記憶部に記憶された勤務者データを検索する検索部と、
前記検索部で検索された勤務者データをモデル候補者として読み出し、前記モデル候補者として読み出された勤務者データのうち少なくとも勤務者写真データを出力する出力部と、
前記モデル候補者からモデル対象者を選定するための情報を受け付ける受付部と、
選定されたモデル対象者と前記モデル対象者以外の勤務者の勤務者データを用いて基準モデルを生成する学習部と、
を備えてもよい。
The program according to the present invention
A program to be installed in an information processing device
The information processing device on which the program is installed
A search unit that searches for worker data stored in the storage unit,
An output unit that reads the worker data searched by the search unit as a model candidate and outputs at least the worker photo data among the worker data read as the model candidate.
The reception department that receives information for selecting model target persons from the model candidates, and
A learning department that generates a reference model using the worker data of the selected model target person and workers other than the model target person.
May be provided.
本発明において、検索部で検索された勤務者データをモデル候補者として読み出し、モデル候補者として読み出された勤務者データのうち少なくとも勤務者写真データを出力し、勤務者写真データが出力されたモデル候補者からモデル対象者を選定するための情報を受け付け、選定されたモデル対象者とモデル対象者以外の勤務者の勤務者データを用いて基準モデルを生成する態様を採用する場合には、従前では提供されていない、勤務者写真データに基づいて選定されたモデル対象者の情報に基づいて基準モデルを生成できる。 In the present invention, the worker data searched by the search unit is read out as a model candidate, at least the worker photo data among the worker data read out as the model candidate is output, and the worker photo data is output. When accepting information for selecting a model target person from a model candidate and adopting a mode of generating a reference model using the worker data of the selected model target person and workers other than the model target person, It is possible to generate a reference model based on the information of the model target person selected based on the worker photograph data, which was not provided in the past.
実施の形態
《構成》
本実施の形態の情報処理装置は、一つの装置から構成されてもよいし複数の装置から構成されてもよい。また、複数の装置から情報処理装置が構成される場合には、各装置が同じ部屋等の同じ空間に設けられる必要はなく、異なる部屋、異なる建物、異なる地域等に設けられてもよい。本実施の形態では「及び／又は」を用いて説明することもあるが、「又は」という文言は「及び」の意味も含んでいる。つまり、Ａ又はＢという文言は、Ａ単独、Ｂ単独、並びに、Ａ及びＢを含んだ概念である。
Embodiment << configuration >>
The information processing device of the present embodiment may be composed of one device or a plurality of devices. Further, when the information processing device is composed of a plurality of devices, each device does not have to be provided in the same space such as the same room, and may be provided in a different room, a different building, a different area, or the like. In this embodiment, "and / or" may be used for explanation, but the word "or" also includes the meaning of "and". That is, the wording A or B is a concept including A alone, B alone, and A and B.
本実施の形態の情報処理装置は、図３に示すように、様々な情報を記憶する記憶部４０と、記憶部４０に記憶された勤務者データを検索し、検索された勤務者データをモデル候補者として読み出す検索部１０と、モデル候補者として読み出された勤務者データのうち少なくとも勤務者写真データを出力する出力部３０と、モデル候補者からモデル対象者を選定するための情報を受け付ける受付部２０と、選定されたモデル対象者と記憶部４０に記憶されているモデル対象者以外の勤務者の勤務者データを用いて基準モデルを生成する学習部５０と、を有してもよい。本実施の形態の情報処理装置は、好業績なハイパフォーマーな勤務者を分析するハイパフォーマー分析、低業績なローパフォーマーな勤務者を分析するローパフォーマー分析、休職する勤務者を分析する休職者分析、退職する退職者分析等の様々な分析に用いることができる。勤務者には、企業等の対象雇用者又は対象雇用者の関連会社で働く一切の人材が含まれ、社員、職員、パートタイマー、アルバイト、契約社員、契約職員（臨時職員）、派遣社員、役員等が含まれる。 As shown in FIG. 3, the information processing apparatus of the present embodiment searches for the storage unit 40 that stores various information and the worker data stored in the storage unit 40, and models the searched worker data. The search unit 10 to be read as a candidate, the output unit 30 to output at least the worker photo data among the worker data read as a model candidate, and the information for selecting the model target person from the model candidates are received. It may have a reception unit 20 and a learning unit 50 that generates a reference model using the selected model target person and the worker data of the worker other than the model target person stored in the storage unit 40. .. The information processing device of the present embodiment is a high performer analysis that analyzes high-performing high-performer workers, a low-performer analysis that analyzes low-performing low-performer workers, and a leave-of-worker analysis that analyzes workers who are on leave. It can be used for various analyzes such as analysis of retirees who retire. Employees include all human resources who work for the target employer such as a company or an affiliated company of the target employer, and include employees, staff, part-timers, part-time workers, contract employees, contract staff (temporary staff), temporary staff, and officers. Etc. are included.
モデル候補者の絞り込みとしては、直近の人事評価、あるプロジェクトへ参加した人物、役職等の様々な条件を用いることができる。本実施の形態では、一例として、記憶部４０が持っている各勤務者の情報に基づいてモデル候補者を一次的に絞り込み、このように一次的に絞り込んだ結果を、勤務者写真データを用いて二次的に絞り込む態様となっている。 Various conditions such as the latest personnel evaluation, the person who participated in a certain project, and the position can be used to narrow down the model candidates. In the present embodiment, as an example, model candidates are temporarily narrowed down based on the information of each worker held by the storage unit 40, and the result of the primary narrowing down is obtained by using the worker photograph data. It is a mode of narrowing down secondarily.
モデル候補者を絞り込むための条件はプルダウンメニュー等で選択できるようにしてもよいし（図１参照）、自由な用語を入力できるようにしてもよい。また、項目だけがプルダウンメニュー等で選択できるようになり、当該項目についての検索用語は自由に入力できるようにしてもよい。このように項目を選択式にすることで、絞り込む条件を予め決定できるようになる。 The conditions for narrowing down the model candidates may be selected from a pull-down menu or the like (see FIG. 1), or free terms may be input. Further, only the item can be selected from the pull-down menu or the like, and the search term for the item may be freely input. By making the items selectable in this way, the conditions for narrowing down can be determined in advance.
情報処理装置は、出力部３０で出力された勤務者写真データを表示する表示部６０を有してもよい（図２参照）。そして、パソコンの操作部やタッチパネル等からなる入力部７０を介してモデル候補者の勤務者写真データから所定の勤務者写真データが選択されることで、モデル対象者が選定されてもよい。モデル対象者を選定する際には、ロールモデル候補者が表示されている欄からモデル対象者となる勤務者のデータ（例えば顔写真データ）をモデル対象者となる欄へとドラッグすることで移すようにしてもよいし（図１参照）、ダブルクリックすることで勤務者がモデル対象者として選択されてもよいし、モデル候補者からデータが削除されることでモデル対象者が選択されてもよい。また、モデル候補者の全てをモデル対象者として設定するためのボタンが表示され、当該ボタンを押下することで、モデル候補者の全てがモデル対象者として設定されてもよい。この場合には、モデル対象者に設定された勤務者のうちの一部を削除することで最終的なモデル対象者が選択されてもよいし、モデル対象者に設定された勤務者の全員をモデル対象者として選択されてもよい。 The information processing device may have a display unit 60 that displays the worker photograph data output by the output unit 30 (see FIG. 2). Then, the model target person may be selected by selecting the predetermined worker photo data from the worker photo data of the model candidate via the input unit 70 including the operation unit of the personal computer or the touch panel. When selecting a model target person, move the data of the worker who is the model target person (for example, face photo data) from the column where the role model candidate is displayed by dragging it to the model target person column. (See Fig. 1), the worker may be selected as the model target by double-clicking, or the model target may be selected by deleting the data from the model candidates. Good. Further, a button for setting all of the model candidates as model targets is displayed, and by pressing the button, all of the model candidates may be set as model targets. In this case, the final model target person may be selected by deleting a part of the workers set as the model target person, or all the workers set as the model target person may be selected. It may be selected as the model target.
モデル対象者に選択された勤務者はモデル候補者の絞り込み条件が変わってもリセット等されず、変更されないようにしてもよい。つまり、第一条件でモデル候補者を絞り込み、当該モデル候補者からモデル対象者を選択した後で、第二条件でモデル候補者を絞り込んだ際にモデル対象者として選択された勤務者はそのままモデル対象者として維持され、第二条件で絞り込まれたモデル候補者からモデル対象者を追加できるようにしてもよい。この場合には、第二条件で検索した際に、既にモデル対象者となっている勤務者はモデル候補者として挙げられないようにしてもよい。 The worker selected as the model target person may not be reset or changed even if the narrowing-down condition of the model candidate changes, and may not be changed. That is, after narrowing down the model candidates in the first condition and selecting the model target person from the model candidate, the worker selected as the model target person when narrowing down the model candidate in the second condition is the model as it is. It may be possible to add model target persons from model candidates who are maintained as target persons and narrowed down by the second condition. In this case, when the search is performed under the second condition, the worker who is already the model target may not be listed as the model candidate.
表示部６０は、勤務者写真データとともに当該勤務者の氏名及び所属組織を表示してもよい（図１参照）。勤務者写真データは勤務者の体全てを含む全体写真であってもよいが、顔写真（顔写真データ）であってもよい。なお、図１で示されている「aaa」、・・・、「mm」等は勤務者の氏名を示している。 The display unit 60 may display the name and the organization to which the worker belongs together with the worker photograph data (see FIG. 1). The worker photograph data may be an entire photograph including the entire body of the employee, or may be a face photograph (face photograph data). In addition, "aaa", ..., "mm" and the like shown in FIG. 1 indicate the names of workers.
基準モデルを生成する際には顔写真データを用いず、ロールモデルとして選択された勤務者の人事情報を含む様々な情報（勤務者データ）を用いてもよい。この場合には、適用対象となる人物の情報のうち、基準モデルを生成する際に用いられた情報を用いて、基準モデルに合致した人物（基準モデルで高評価の人物）が選定されることとなる。但し、これに限られることはなく、顔写真データも基準モデルを生成する際に利用してもよい。この場合には、顔写真データも含めた情報を用いて、基準モデルに合致した人物（基準モデルで高評価の人物）が選定されることとなる。 When generating the reference model, the facial photograph data may not be used, and various information (worker data) including the personnel information of the worker selected as the role model may be used. In this case, among the information of the person to be applied, the person who matches the reference model (the person who is highly evaluated in the reference model) is selected by using the information used when generating the reference model. It becomes. However, the present invention is not limited to this, and facial photograph data may also be used when generating a reference model. In this case, a person who matches the reference model (a person who is highly evaluated in the reference model) is selected by using the information including the facial photograph data.
勤務者データは役職、人事評価、勤務者の売上情報及び／又は特許評価を含んでもよい。なお、売上情報は典型的には営業部で勤務している者に適用されることとなる。特許評価は典型的には研究・開発部門で勤務している者に適用されることとなる。特許評価については、特許出願数、社内での特許評価、ライセンス収入額等の情報が含まれてもよい。勤務者の勤務者データには、勤務者の学歴、職歴、年齢、性別、資格等の勤務者自身の情報が含まれてもよいし、勤務者の家族構成といった勤務者に関連する情報が含まれてもよい。 The worker data may include job title, personnel evaluation, worker sales information and / or patent evaluation. The sales information is typically applied to those who work in the sales department. Patent evaluation will typically be applied to those who work in the research and development department. The patent evaluation may include information such as the number of patent applications, in-house patent evaluation, and license income. The worker data of the worker may include the worker's own information such as the worker's educational background, work history, age, gender, qualification, etc., or include information related to the worker such as the worker's family structure. May be.
出力部３０は、記憶部４０に記憶されている勤務者データ又は採用候補者データに学習部５０で生成された基準モデルを適用することで、基準モデルに適合する対象者、つまり基準モデルで高評価となる対象者を出力してもよい。基準モデルとしては、ハイパフォーマー分析に用いられる基準モデル、ローパフォーマー分析に用いられる基準モデル、休職者分析に用いられる基準モデル、退職者分析に用いられる基準モデル等の様々な態様を採用でき、例えば各基準モデルで高評価となる対象者が出力されることになる。各基準モデルでの評価結果（例えば高評価の人物情報）は表形式で一覧表示されてもよいし、例えばタブを切り替えることで各基準モデルでの評価結果が切り替わって表示されるようにしてもよい。 The output unit 30 applies the reference model generated by the learning unit 50 to the worker data or the recruitment candidate data stored in the storage unit 40, so that the target person conforming to the reference model, that is, the reference model is high. The target person to be evaluated may be output. As the reference model, various aspects such as a reference model used for high performer analysis, a reference model used for low performer analysis, a reference model used for leaver analysis, and a reference model used for retiree analysis can be adopted. Targets who are highly evaluated in each reference model will be output. The evaluation results of each reference model (for example, highly evaluated person information) may be displayed in a tabular format, or the evaluation results of each reference model may be switched and displayed by switching tabs, for example. Good.
第一基準モデルによって高評価となった人物（勤務者又は採用候補者）と第二基準モデルによって高評価となった人物（勤務者又は採用候補者）とが重複する場合には、当該人物の情報を出力部３０が出力するようにしてもよい。この場合、表示部６０が当該人物を強調して表示するようにしてもよい。例えばハイパフォーマー分析に用いられる基準モデルで高評価となった採用候補者であっても、退職者分析に用いられる基準モデルで高評価となる場合もあり、この場合には、当該採用候補者を採用しても離職する可能性があることから当該採用候補者の採用を見送るというような判断を行うこともできる。なお、高評価とは閾値以上の評価点を満たす場合及び／又は上位から所定人数になる場合であることを意味している。 If the person (worker or recruitment candidate) highly evaluated by the first standard model and the person (worker or recruitment candidate) highly evaluated by the second standard model overlap, the person concerned The information may be output by the output unit 30. In this case, the display unit 60 may emphasize the person. For example, a hiring candidate who is highly evaluated in the standard model used for high performer analysis may be highly evaluated in the standard model used for retiree analysis. In this case, the hiring candidate is selected. Since there is a possibility that the employee will leave the job even if he / she is hired, it is possible to make a judgment such as forgoing the hiring of the candidate for employment. In addition, high evaluation means a case where an evaluation point equal to or higher than a threshold value is satisfied and / or a case where a predetermined number of people is reached from the top.
情報処理装置は、学習部５０で生成された基準モデルの評価を行う評価部１１０を有し、当該評価部１１０における評価結果を示す表示部６０を有してもよい。評価結果が芳しくない場合には、基準モデルを生成し直すこととなるが、その場合には、モデル対象者を選定し直すこととなる。この際、既に選択しているモデル対象者に新たなモデル対象者を追加してもよいし、既に選択しているモデル対象者からモデル対象者を除外してもよいし、全く別のモデル対象者を選択し直してもよい。また、モデル対象者となっている勤務者とモデル候補者となっている勤務者とを一部交換してもよい。 The information processing device may have an evaluation unit 110 that evaluates the reference model generated by the learning unit 50, and may have a display unit 60 that shows the evaluation result in the evaluation unit 110. If the evaluation result is not good, the reference model will be regenerated, but in that case, the model target person will be reselected. At this time, a new model target person may be added to the already selected model target person, the model target person may be excluded from the already selected model target person, or a completely different model target person may be excluded. You may reselect the person. In addition, a part of the worker who is the model target and the worker who is the model candidate may be exchanged.
モデル対象者となる人物数の下限値と上限値が設定可能となってもよい（図１に示す態様では「ロールモデルは５人以上選択してください。」と表示部６０で表示され、下限値が示されている。）。この態様では、モデル対象者となっている人物数が下限値よりも小さい場合には、モデル対象者を追加することを促す情報が表示部６０に表示されてもよい。また、モデル対象者となっている人物数が上限値よりも大きい場合には、モデル対象者を削減することを促す情報が表示部６０に表示されてもよい。また、モデル対象者となっていない人物数（対象外勤務者の数）の下限値と上限値が設定可能となってもよい。 The lower limit and the upper limit of the number of people to be modeled may be set (in the embodiment shown in FIG. 1, "Please select 5 or more role models" is displayed on the display unit 60, and the lower limit is displayed. The value is shown.). In this aspect, when the number of persons who are the model target persons is smaller than the lower limit value, information prompting the addition of the model target persons may be displayed on the display unit 60. Further, when the number of persons targeted for the model is larger than the upper limit value, information prompting the reduction of the model target persons may be displayed on the display unit 60. In addition, it may be possible to set a lower limit value and an upper limit value of the number of persons who are not the model target persons (the number of non-target employees).
情報処理装置は、複数のデータを分割する分割部１２０を有してもよい。このよう分割部１２０が設けられた場合には、モデル対象者の一部及びモデル対象者以外の勤務者（対象外勤務者）の一部を訓練データとして用いて学習部５０が学習を行ってもよい（図２参照）。モデル対象者の残部及び対象外勤務者の残部を評価データとして用いて評価部１１０での評価を行ってもよい。一例としては、複数のデータのうちの５０％〜９０％、より具体的には６０％〜８０％（例えば７０％）を学習部５０での学習で用いる訓練データとして利用し、複数のデータのうちの５０％〜１０％、より具体的には４０％〜２０％（例えば３０％）を評価部１１０での評価に用いる評価データとして利用してもよい（図２参照）。訓練データの母数を増やすことによって学習部５０で生成される学習済みモデルの精度を高めることができる点で有益である。 The information processing device may have a division unit 120 that divides a plurality of data. When the division unit 120 is provided in this way, the learning unit 50 learns by using a part of the model target person and a part of the workers other than the model target person (non-target workers) as training data. It may be good (see FIG. 2). The evaluation unit 110 may perform the evaluation using the remaining part of the model target person and the remaining part of the non-target worker as evaluation data. As an example, 50% to 90%, more specifically 60% to 80% (for example, 70%) of the plurality of data is used as training data used for learning in the learning unit 50, and the data of the plurality of data is used. Of these, 50% to 10%, more specifically 40% to 20% (for example, 30%) may be used as evaluation data used for evaluation by the evaluation unit 110 (see FIG. 2). It is advantageous in that the accuracy of the trained model generated by the learning unit 50 can be improved by increasing the population parameter of the training data.
訓練データと評価データは、基本的には同じ期間におけるデータであり、母集団を例えば７：３でランダムに分けることで生成されるが、これに限られることはない。場合によっては異なる期間のデータを用いることも考えられる。 The training data and the evaluation data are basically data in the same period, and are generated by randomly dividing the population, for example, 7: 3, but are not limited to this. In some cases, it is possible to use data for different periods.
評価部１１０は学習済みの基準モデルを利用した場合の精度の高さを評価してもよい。学習部５０によって生成された学習済みの基準モデルに対して評価データを適用し、生成された基準モデルがどの程度の正確性を持っているかが評価されてもよい。一例として、正確性の尺度として、ＡＵＣ（Area Under the Curve）が利用されてもよい。評価部１１０による予測結果は記憶部４０で記憶されてもよい。 The evaluation unit 110 may evaluate the high accuracy when the trained reference model is used. The evaluation data may be applied to the trained reference model generated by the learning unit 50, and the degree of accuracy of the generated reference model may be evaluated. As an example, AUC (Area Under the Curve) may be used as a measure of accuracy. The prediction result by the evaluation unit 110 may be stored in the storage unit 40.
出力部３０は、基準モデルに対する正確性を出力し、利用者が当該正確性を認識できるようになってもよい。また、複数の閾値を設けておき、正確性に関して、極めて高い、高い、普通、低い、極めて低い等のように分類して出力されるようにしてもよい。 The output unit 30 may output the accuracy with respect to the reference model so that the user can recognize the accuracy. Further, a plurality of threshold values may be provided, and the accuracy may be classified and output as extremely high, high, normal, low, extremely low, and the like.
学習部５０は、複数の採用変数と、各採用変数に対する係数を用いて学習モデルを生成してもよい。学習部５０は、機械学習技術として、様々なモデルを採用することができ、例えば、ロジスティクス回帰モデル、ランダムフォレストモデル、ツリーモデル等を採用することができる。 The learning unit 50 may generate a learning model using a plurality of adopted variables and coefficients for each adopted variable. The learning unit 50 can adopt various models as the machine learning technique, for example, a logistics regression model, a random forest model, a tree model, and the like.
なお、本実施の形態では、本実施の形態の情報処理装置を提供するためのプログラム、すなわちインストールすることで本実施の形態の情報処理装置が製造（生成）されるプログラムと、当該プログラムをインストールした記憶媒体も提供される。 In the present embodiment, a program for providing the information processing device of the present embodiment, that is, a program for which the information processing device of the present embodiment is manufactured (generated) by installing the program, and the program are installed. Storage media are also provided.
本実施の形態の検索部１０、受付部２０、出力部３０、記憶部４０、学習部５０、評価部１１０、分割部１２０等の各部材は、一つ又は複数のＩＣチップ又は電子モジュール等で実現されてもよいし、回路構成によって実現されてもよい。また、一つの電子部材が制御部となり、これら検索部１０、受付部２０、出力部３０、記憶部４０、学習部５０、評価部１１０、分割部１２０等の機能を果たしてもよい。 Each member of the search unit 10, the reception unit 20, the output unit 30, the storage unit 40, the learning unit 50, the evaluation unit 110, the division unit 120, etc. of the present embodiment is a single or a plurality of IC chips or electronic modules. It may be realized or it may be realized by a circuit configuration. Further, one electronic member may serve as a control unit and may function as a search unit 10, a reception unit 20, an output unit 30, a storage unit 40, a learning unit 50, an evaluation unit 110, a division unit 120, and the like.
《方法》
次に、本実施の形態の情報処理方法の一例について、図１及び図２を用いて説明する。なお、上記と重複することになるので簡単に説明するに留めるが、上記「構成」で述べた全ての態様及び下記「効果」で述べる全ての態様を「方法」において適用することができる。
"Method"
Next, an example of the information processing method of the present embodiment will be described with reference to FIGS. 1 and 2. Since it overlaps with the above, it will be described briefly, but all the aspects described in the above "configuration" and all the aspects described in the following "effect" can be applied in the "method".
まず、検索部１０によって、記憶部４０に記憶された勤務者データの検索が行われ、検索部１０で検索された勤務者データがモデル候補者として読み出される。 First, the search unit 10 searches for the worker data stored in the storage unit 40, and the worker data searched by the search unit 10 is read out as a model candidate.
次に、出力部３０によって、モデル候補者として読み出された勤務者データのうち少なくとも勤務者写真データを出力する。この際、勤務者の氏名及び所属組織が勤務者写真データとともに表示されるようになってもよい。このようなモデル候補者は、例えば図１の左側で示されるようにロールモデル候補として挙げられる。 Next, the output unit 30 outputs at least the worker photograph data among the worker data read out as the model candidate. At this time, the name of the worker and the organization to which the worker belongs may be displayed together with the worker photograph data. Such model candidates are listed as role model candidates, for example, as shown on the left side of FIG.
次に、例えばユーザがドラッグすることでモデル候補者からモデル対象者が選定され、当該情報が受付部２０で受け付けられる。モデル対象者をさらに追加したい場合には検索部１０によって異なる条件で検索を行い、別のモデル候補者が出力されてもよい。そして、当該モデル候補者からモデル対象者が追加されてもよい。 Next, for example, the model target person is selected from the model candidates by dragging by the user, and the information is received by the reception unit 20. When it is desired to add more model target persons, the search unit 10 may perform a search under different conditions and output another model candidate. Then, a model target person may be added from the model candidate.
モデル対象者が確定すると、データ分割部１２０で勤務者データが訓練データと評価データに分割される。この際、モデル対象者の一部が訓練データに振り分けられ、モデル対象者の残部が評価データに振り分けられる。モデル対象者全体のうち訓練データに振り分けられるモデル対象者の比率とモデル対象者を除外した勤務者データ全体のうち訓練データに振り分けられる勤務者データの比率とは概ね合致し、モデル対象者全体のうち評価データに振り分けられるモデル対象者の比率とモデル対象者を除外した勤務者データ全体のうち評価データに振り分けられる勤務者データの比率とは概ね合致するようになってもよい。訓練データに振り分けられたモデル対象者の人数をｎ１とし、評価データに振り分けられたモデル対象者の人数をｎ２とし、訓練データに振り分けられたモデル対象者を除外した勤務者の人数をＮ１とし、評価データに振り分けられたモデル対象者を除外した勤務者の人数をＮ２とした場合には、ｎ１：ｎ２とＮ１：Ｎ２とが概ねが合致してもよい。ここで「概ね合致する」とは、ｎ１×Ｎ２とｎ２×Ｎ１との差が、ｎ１×Ｎ２とｎ２×Ｎ１のうちの大きな方の５％以内にあることを意味し、ｎ１×Ｎ２＞ｎ２×Ｎ１の場合にはｎ１×Ｎ２−ｎ２×Ｎ１≦ｎ１×Ｎ２×０．０５となり、ｎ２×Ｎ１＞ｎ１×Ｎ２の場合にはｎ２×Ｎ１−ｎ１×Ｎ２≦ｎ２×Ｎ１×０．０５となることを意味している。 When the model target person is determined, the worker data is divided into training data and evaluation data by the data division unit 120. At this time, a part of the model target person is distributed to the training data, and the rest of the model target person is distributed to the evaluation data. The ratio of model subjects allocated to training data among all model subjects and the ratio of worker data allocated to training data among all worker data excluding model subjects are almost the same, and the ratio of all model subjects Of these, the ratio of the model target persons assigned to the evaluation data and the ratio of the worker data allocated to the evaluation data among all the worker data excluding the model target persons may be substantially the same. The number of model subjects assigned to the training data is n1, the number of model subjects assigned to the evaluation data is n2, and the number of workers excluding the model subjects assigned to the training data is N1. When the number of workers excluding the model target persons assigned to the evaluation data is N2, n1: n2 and N1: N2 may generally match. Here, "generally matching" means that the difference between n1 × N2 and n2 × N1 is within 5% of the larger of n1 × N2 and n2 × N1, and n1 × N2> n2. In the case of × N1, n1 × N2-n2 × N1 ≦ n1 × N2 × 0.05, and in the case of n2 × N1> n1 × N2, n2 × N1-n1 × N2 ≦ n2 × N1 × 0.05. It means to become.
訓練データを用いて学習部５０は学習し、学習済みの基準モデルが生成されることとなる。 The learning unit 50 learns using the training data, and a trained reference model is generated.
このように学習済みの基準モデルが生成されると、当該基準モデルに評価データが適用されて、基準モデルに評価データを適用した予測結果が出力されるとともに、当該予測結果に対する評価結果（例えばＡＵＣ）が表示部６０に表示される。 When the trained reference model is generated in this way, the evaluation data is applied to the reference model, the prediction result of applying the evaluation data to the reference model is output, and the evaluation result (for example, AUC) for the prediction result is output. ) Is displayed on the display unit 60.
評価結果が評価閾値以上となっている場合には、当該基準モデルは正確なものとして利用できるものとなる。他方、評価結果が評価閾値未満となっている場合には、当該基準モデルの正確性が乏しいことから、基準モデルを生成し直すこととなる。この際、前述したように、既に選択しているモデル対象者に新たなモデル対象者を追加してもよいし、既に選択しているモデル対象者からモデル対象者を除外してもよいし、全く別のモデル対象者を選択し直してもよい。 When the evaluation result is equal to or higher than the evaluation threshold value, the reference model can be used as an accurate one. On the other hand, if the evaluation result is less than the evaluation threshold value, the accuracy of the reference model is poor, and the reference model must be regenerated. At this time, as described above, a new model target person may be added to the already selected model target person, or the model target person may be excluded from the already selected model target person. You may reselect a completely different model target.
このような基準モデルは、ロールモデル毎に生成されてもよく、ハイパフォーマーの基準モデル、ローパフォーマーの基準モデル、休職者の基準モデル、退職者の基準モデル等の様々な基準モデルを生成し、記憶部４０で記憶するようにしてもよい。 Such a reference model may be generated for each role model, and various reference models such as a high performer reference model, a low performer reference model, a leaver reference model, and a retired reference model are generated. It may be stored in the storage unit 40.
記憶部４０で記憶された基準モデルを採用候補者や社内の勤務者に適用することで、採用候補者の中から基準モデルでの高評価の人物を選定することができる。 By applying the reference model stored in the storage unit 40 to recruitment candidates and employees in the company, it is possible to select a person who is highly evaluated in the reference model from among the recruitment candidates.
《効果》
次に、上述した構成からなる本実施の形態による効果であって、未だ説明していないものを中心に説明する。
"effect"
Next, the effects of the present embodiment having the above-described configuration, which have not been described yet, will be mainly described.
検索部１０で検索された勤務者データをモデル候補者として読み出し、モデル候補者として読み出された勤務者データのうち少なくとも勤務者写真データを出力し、勤務者写真データの出力されたモデル候補者からモデル対象者を選定するための情報を受け付け、選定されたモデル対象者とモデル対象者以外の勤務者の勤務者データを用いて基準モデルを生成する態様を採用する場合には、従前において提案されていない、勤務者写真データに基づく選定を利用して基準モデルを生成できる。 The worker data searched by the search unit 10 is read out as a model candidate, at least the worker photo data among the worker data read out as the model candidate is output, and the model candidate from which the worker photo data is output. In the case of adopting a mode in which information for selecting a model target person is received from, and a reference model is generated using the worker data of the selected model target person and workers other than the model target person, it is previously proposed. A reference model can be generated using selections based on worker photo data that have not been done.
また、検索部１０で一次的にモデル候補者を絞り込むことから、勤務者写真データだけに基づいて基準モデルを生成する態様と比較して、設定の手間が軽減される。つまり、勤務者写真データだけに基づいて基準モデルを生成する場合には、ロールモデルである勤務者を1人1人確認して手動で設定することになるが、勤務者数が膨大になると、設定に非常に時間がかかるが、そのような問題は本態様によれば生じない。 In addition, since the search unit 10 primaryly narrows down the model candidates, the time and effort for setting is reduced as compared with the mode in which the reference model is generated based only on the worker photograph data. In other words, when generating a reference model based only on worker photo data, it is necessary to check each worker who is a role model and set it manually, but when the number of workers becomes huge, Although it takes a very long time to set up, such a problem does not occur according to this aspect.
また、モデル候補者として勤務者写真データが表示されることから、誤った人物をモデル対象者としてしまう可能性を低減できる。 In addition, since the worker photograph data is displayed as a model candidate, it is possible to reduce the possibility that an erroneous person is selected as a model target person.
また、データ条件のみによる絞り込みを行い、合致した勤務者の全てをロールモデルに設定することも考えられるが、ユーザが意図している人物と絞り込まれた勤務者とが合致しないことがある。例えばハイパフォーマーであれば直近の評価履歴がＳ又はＡの勤務者をロールモデルに設定したとしても、ユーザが意図しているハイパフォーマーと直近の評価履歴がＳ又はＡであった勤務者とが合致しないことがある。これに対して、上記態様によれば、モデル候補者として読み出された勤務者データのうち少なくとも勤務者写真データを出力し、当該勤務者写真データを用いてロールモデルに用いる勤務者を選定できることから、ユーザの意図する人物をロールモデルとして利用することができる。 It is also possible to narrow down by only the data conditions and set all the matched workers in the role model, but the person intended by the user and the narrowed down workers may not match. For example, in the case of a high performer, even if a worker whose latest evaluation history is S or A is set as a role model, the high performer intended by the user and the worker whose latest evaluation history is S or A are It may not match. On the other hand, according to the above aspect, at least the worker photo data among the worker data read out as the model candidate can be output, and the worker to be used for the role model can be selected using the worker photo data. Therefore, the person intended by the user can be used as a role model.
基準モデルが生成されると、当該基準モデルに、新人・中途を問わず採用候補者をあてはめ、当該採用候補者を評価するようにしてもよい。ハイパフォーマーの基準モデルを生成した場合には、当該基準モデルに採用候補者を適用することで、採用候補者がハイパフォーマーとなる可能性の観点からの評価を出すことができる。また、ローパフォーマーの基準モデルを生成した場合には、当該基準モデルに採用候補者を適用することで、採用候補者がローパフォーマーとなる可能性の観点からの評価を出すことができる。休職者の基準モデルを生成した場合には、当該基準モデルに採用候補者を適用することで、採用候補者が休職者となる可能性の観点からの評価を出すことができる。退職者の基準モデルを生成した場合には、当該基準モデルに採用候補者を適用することで、採用候補者が退職者となる可能性の観点からの評価を出すことができる。 Once the reference model is generated, recruitment candidates may be applied to the reference model regardless of whether they are new or mid-career, and the recruitment candidates may be evaluated. When a high performer reference model is generated, by applying the recruitment candidate to the reference model, it is possible to evaluate from the viewpoint of the possibility that the recruitment candidate becomes a high performer. In addition, when a reference model for a low performer is generated, by applying the recruitment candidate to the reference model, it is possible to evaluate from the viewpoint of the possibility that the recruitment candidate becomes a low performer. When a standard model for employees on leave is generated, by applying the candidate for employment to the standard model, it is possible to evaluate from the viewpoint of the possibility that the candidate for employment will be on leave. When a standard model for retirees is generated, by applying the recruitment candidates to the standard model, it is possible to evaluate the possibility that the recruitment candidates will become retirees.
このように本実施の形態の情報処理装置では様々な基準モデルを生成できる。例えば、入社３年目のハイパフォーマーの人物を一次的に絞り込み、さらに顔写真データを利用して二次的に絞り込んだ結果を用いて、基準モデルを生成した場合には、新入社員の採用候補者の中から３年目にハイパフォーマーとなっている可能性の高い人物を絞り込むことができる。 As described above, the information processing apparatus of the present embodiment can generate various reference models. For example, if a reference model is generated using the results of primary narrowing down the high performers who have been in the company for the third year and then secondary narrowing down using facial photo data, candidates for hiring new employees. It is possible to narrow down the people who are likely to be high performers in the third year.
また、営業、技術等の職種別にハイパフォーマーの勤務者を用いて基準モデルを生成し、当該基準モデルに勤務者のデータを適用することで、営業、技術等の職種別に応じた適切な人事配置も期待できる。一例として営業のハイパフォーマーの勤務者を基準モデルを生成し、当該基準モデルに営業以外の職種の勤務者のデータを適用し、閾値以上の評価が出している勤務者に対して、職種を変えることが良いかもしれない旨のアドバイスを例えば人事部や当該勤務者の上司から提供できる。 In addition, by generating a standard model using high performer workers for job types such as sales and technology and applying worker data to the standard model, appropriate personnel allocation according to job types such as sales and technology Can also be expected. As an example, a standard model is generated for employees of high performers in sales, data of employees in non-sales occupations are applied to the standard model, and the occupations are changed for employees who are evaluated above the threshold. For example, the Human Resources Department or the boss of the worker can provide advice that it may be good.
また、あるプロジェクトメンバーを選定する際に本実施の形態の情報処理装置を利用してもよい。この場合には、類似するプロジェクトで成功したプロジェクトのメンバーを検索部１０で検索し、当該検索部１０で検索されたプロジェクトメンバーの中から特に活躍した人物をモデル対象者として選定し、基準モデルを生成してもよい。そして、このようにして生成された基準モデルに勤務者データを適用することで、上記「あるプロジェクトメンバー」の候補者を出力部３０が出力するようにしてもよい。 Further, the information processing apparatus of the present embodiment may be used when selecting a certain project member. In this case, the search unit 10 searches for the members of the project that succeeded in the similar project, selects the person who is particularly active from the project members searched by the search unit 10, as the model target person, and sets the reference model. It may be generated. Then, by applying the worker data to the reference model generated in this way, the output unit 30 may output the candidate of the above-mentioned “certain project member”.
表示部６０で勤務者写真データが表示され、入力部７０を介してモデル候補者の勤務者写真データから所定の勤務者写真データが選択されることで、モデル対象者が選定される態様を採用した場合には、勤務者写真データを直接的に用いてモデル対象者の勤務者を設定できる。また、このような勤務者写真データが表示されることで、モデル候補者として挙がった人物の顔を例えば人事部の社員や上司等の利用者が覚えることを期待できる。 The display unit 60 displays the worker photo data, and the model target person is selected by selecting the predetermined worker photo data from the worker photo data of the model candidate via the input unit 70. If this is the case, the worker of the model target can be set by directly using the worker photo data. In addition, by displaying such worker photo data, it can be expected that users such as employees of the human resources department and bosses can remember the faces of the persons listed as model candidates.
勤務者写真データとともに当該勤務者の氏名及び／又は所属組織を表示する態様を採用した場合には、氏名及び／又は所属組織も加味してモデル対象者の勤務者を設定できる。また氏名と所属組織が分かっていることから、当該所属組織の人物（例えば当該組織の長）に当該勤務者の人物像等を直接確認することもできる。この意味からすると、出力される勤務者のデータとしては、勤務者の所属組織の長の電話番号、電子メールアドレス等のアクセス情報が出力されてもよい。 When the mode of displaying the name and / or the organization to which the worker belongs is adopted together with the photograph data of the worker, the worker of the model target person can be set in consideration of the name and / or the organization to which the worker belongs. Further, since the name and the organization to which the employee belongs are known, it is possible to directly confirm the person image of the worker to the person of the organization to which the employee belongs (for example, the head of the organization). In this sense, as the output worker data, access information such as the telephone number and e-mail address of the head of the organization to which the worker belongs may be output.
勤務者写真データが勤務者の顔写真である場合には、勤務者の顔写真に基づいて選定を行うことができる。発明者が人事部の社員にヒアリングをしたところ、顔写真には人物の人となりが表れており、当該人物の人物像をつかむのに非常に役に立つとのことであった。このため、顔写真に基づいてモデル対象者を選定できることは非常に有益である。 When the worker photo data is a worker's face photo, selection can be made based on the worker's face photo. When the inventor interviewed an employee of the Human Resources Department, he found that his face photograph showed the person himself, which was very useful for grasping the person's image. Therefore, it is very useful to be able to select the model target person based on the facial photograph.
モデル対象者の一部及び対象外勤務者の一部を用いて学習部５０が学習を行い、モデル対象者の残部及び対象外勤務者の残部を用いて評価部１１０での評価を行い、評価部１１０での評価結果が所定の基準を満たしていない場合に、出力部３０がモデル対象者の再選定を促す態様を採用した場合には（図２参照）、正確な基準モデルの構築をユーザに促すことができる。 The learning unit 50 learns using a part of the model target person and a part of the non-target worker, and the evaluation unit 110 evaluates and evaluates using the remaining part of the model target person and the remaining part of the non-target worker. When the evaluation result in the unit 110 does not meet the predetermined criteria and the output unit 30 adopts a mode for prompting the reselection of the model target person (see FIG. 2), the user builds an accurate reference model. Can be urged to.
勤務者データが役職を含む態様を採用した場合には、モデル候補者の役職を加味してモデル対象者の勤務者を設定できる。役職に関しては、昇進履歴を確認できるようにしてもよい。この場合には、昇進スピードを加味してモデル対象者の勤務者を設定できる。 When the worker data adopts a mode including the job title, the worker of the model target person can be set in consideration of the job title of the model candidate. Regarding the position, the promotion history may be confirmed. In this case, the worker of the model target person can be set in consideration of the promotion speed.
勤務者データが人事評価を含む態様を採用した場合には、モデル候補者の人事評価を加味してモデル対象者の勤務者を設定できる。人事評価については、３年以上の過去の人事評価履歴を確認できるようにしてもよい。この場合には、１、２年といった直近の人事評価だけではなく、３年以上の過去の人事評価履歴も加味して、モデル対象者の勤務者を設定できる。 When the worker data adopts a mode including personnel evaluation, the worker of the model target person can be set in consideration of the personnel evaluation of the model candidate. Regarding personnel evaluation, it may be possible to confirm the past personnel evaluation history of 3 years or more. In this case, not only the latest personnel evaluation such as one or two years, but also the past personnel evaluation history of three years or more can be taken into consideration to set the worker of the model target person.
勤務者データが売上情報を含む態様を採用した場合には、モデル候補者の売上情報を加味してモデル対象者の勤務者を設定できる。売上情報については、３年以上の過去の売上情報を確認できるようにしてもよい。この場合には、１、２年といった直近の売上情報だけではなく、３年以上の過去の売上情報も加味して、モデル対象者の勤務者を設定できる。 When the worker data includes the sales information, the worker of the model target person can be set by adding the sales information of the model candidate. Regarding the sales information, it may be possible to confirm the past sales information of 3 years or more. In this case, it is possible to set the worker of the model target person by taking into account not only the latest sales information such as one or two years but also the past sales information of three years or more.
記憶部４０に記憶されている勤務者データに学習部５０で生成された基準モデルを適用することで、適切な人材を適切な部署に配属できることを期待できる。また、記憶部４０に記憶されている採用候補者データに学習部５０で生成された基準モデルを適用することで、採用候補者の中から有望な人材を選定することを期待できる。 By applying the reference model generated by the learning unit 50 to the worker data stored in the storage unit 40, it can be expected that appropriate human resources can be assigned to appropriate departments. Further, by applying the reference model generated by the learning unit 50 to the recruitment candidate data stored in the storage unit 40, it can be expected that a promising human resource is selected from the recruitment candidates.
上述した実施の形態の記載及び図面の開示は、特許請求の範囲に記載された発明を説明するための一例に過ぎず、上述した実施の形態の記載又は図面の開示によって特許請求の範囲に記載された発明が限定されることはない。また、出願当初の特許請求の範囲の記載は出願時での権利要求範囲に過ぎず、適宜変更できる点では留意が必要である。 The description of the embodiment and the disclosure of the drawings described above are merely examples for explaining the invention described in the claims, and are described in the claims by the description of the above-described embodiments or disclosure of the drawings. The inventions made are not limited. In addition, it should be noted that the description of the scope of claims at the time of filing is only the scope of claims at the time of filing and can be changed as appropriate.
１０ 検索部
２０ 受付部
３０ 出力部
４０ 記憶部
５０ 学習部
６０ 表示部
７０ 入力部
１１０ 評価部
１２０ 分割部
10 Search unit 20 Reception unit 30 Output unit 40 Storage unit 50 Learning unit 60 Display unit 70 Input unit 110 Evaluation unit 120 Division unit
Claims (10)
前記検索部で検索された勤務者データをモデル候補者として読み出し、前記モデル候補者として読み出された勤務者データのうち少なくとも勤務者写真データを出力する出力部と、
前記モデル候補者からモデル対象者を選定するための情報を受け付ける受付部と、
選定されたモデル対象者と前記モデル対象者以外の勤務者の勤務者データを用いて基準モデルを生成する学習部と、
を備える情報処理装置。 A search unit that searches for worker data stored in the storage unit,
An output unit that reads the worker data searched by the search unit as a model candidate and outputs at least the worker photo data among the worker data read as the model candidate.
The reception department that receives information for selecting model target persons from the model candidates, and
A learning department that generates a reference model using the worker data of the selected model target person and workers other than the model target person.
Information processing device equipped with.
入力部を介して前記モデル候補者の勤務者写真データから所定の勤務者写真データが選択されることで、前記モデル対象者が選定される、請求項１に記載の情報処理装置。 A display unit for displaying the worker photo data output by the output unit is provided.
The information processing device according to claim 1, wherein a model target person is selected by selecting a predetermined worker photo data from the worker photo data of the model candidate via an input unit.
前記モデル対象者の残部を用いて評価部での評価を行い、
前記評価部での評価結果が所定の基準を満たしていない場合には、前記出力部は、モデル対象者の再選定を促す、請求項１乃至４のいずれか１項に記載の情報処理装置。 The learning unit learns using a part of the model target person,
Evaluation by the evaluation department is performed using the remainder of the model subject,
The information processing apparatus according to any one of claims 1 to 4, wherein when the evaluation result in the evaluation unit does not satisfy a predetermined criterion, the output unit prompts the reselection of the model target person.
出力部によって、前記モデル候補者として読み出された勤務者データのうち少なくとも勤務者写真データを出力する工程と、
受付部によって、前記モデル候補者からモデル対象者を選定するための情報を受け付ける工程と、
学習部によって、選定されたモデル対象者と前記モデル対象者以外の勤務者の勤務者データを用いて基準モデルを生成する工程と、
を備える情報処理方法。 The process of searching the worker data stored in the storage unit by the search unit and reading the searched worker data as a model candidate,
The process of outputting at least the worker photo data among the worker data read out as the model candidate by the output unit, and
The process of receiving information for selecting a model target person from the model candidates by the reception department, and
The process of generating a reference model using the worker data of the model target person selected by the learning department and the workers other than the model target person, and
Information processing method including.
プログラムをインストールされた情報処理装置は、
記憶部に記憶された勤務者データを検索する検索部と、
前記検索部で検索された勤務者データをモデル候補者として読み出し、前記モデル候補者として読み出された勤務者データのうち少なくとも勤務者写真データを出力する出力部と、
前記モデル候補者からモデル対象者を選定するための情報を受け付ける受付部と、
選定されたモデル対象者と前記モデル対象者以外の勤務者の勤務者データを用いて基準モデルを生成する学習部と、
を備えるプログラム。 A program to be installed in an information processing device
The information processing device on which the program is installed
A search unit that searches for worker data stored in the storage unit,
An output unit that reads the worker data searched by the search unit as a model candidate and outputs at least the worker photo data among the worker data read as the model candidate.
The reception department that receives information for selecting model target persons from the model candidates, and
A learning department that generates a reference model using the worker data of the selected model target person and workers other than the model target person.
Program with.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019030292A JP6796668B2 (en) | 2019-02-22 | 2019-02-22 | Information processing equipment, information processing methods and programs |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019030292A JP6796668B2 (en) | 2019-02-22 | 2019-02-22 | Information processing equipment, information processing methods and programs |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020190044A Division JP2021039777A (en) | 2020-11-16 | 2020-11-16 | Information processing device, information processing method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020135598A true JP2020135598A (en) | 2020-08-31 |
| JP6796668B2 JP6796668B2 (en) | 2020-12-09 |
Family
ID=72278799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019030292A Active JP6796668B2 (en) | 2019-02-22 | 2019-02-22 | Information processing equipment, information processing methods and programs |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6796668B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7475529B1 (en) | 2023-10-23 | 2024-04-26 | 株式会社ビズリーチ | Information management system, information management method and program |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005149034A (en) * | 2003-11-13 | 2005-06-09 | E Falcon:Kk | Method, apparatus and program for presenting condition for guiding individual to success |
| JP2006127387A (en) * | 2004-11-01 | 2006-05-18 | Ueno Business Consultants:Kk | Test method and system, program for it, and test system server device |
| JP2009205663A (en) * | 2008-02-28 | 2009-09-10 | Obic Business Consultants Ltd | System regarding official announcement of personnel change |
| WO2017112914A2 (en) * | 2015-12-23 | 2017-06-29 | Pymetrics, Inc. | Systems and methods for data-driven identification of talent |
| JP2017522676A (en) * | 2014-06-27 | 2017-08-10 | パイメトリクス，インコーポレイテッド | Talent data-driven identification system and method |
| US20170357945A1 (en) * | 2016-06-14 | 2017-12-14 | Recruiter.AI, Inc. | Automated matching of job candidates and job listings for recruitment |
| WO2018042550A1 (en) * | 2016-08-31 | 2018-03-08 | 株式会社オプティム | Annual salary proposal system, annual salary proposal method and program |
-
2019
- 2019-02-22 JP JP2019030292A patent/JP6796668B2/en active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005149034A (en) * | 2003-11-13 | 2005-06-09 | E Falcon:Kk | Method, apparatus and program for presenting condition for guiding individual to success |
| JP2006127387A (en) * | 2004-11-01 | 2006-05-18 | Ueno Business Consultants:Kk | Test method and system, program for it, and test system server device |
| JP2009205663A (en) * | 2008-02-28 | 2009-09-10 | Obic Business Consultants Ltd | System regarding official announcement of personnel change |
| JP2017522676A (en) * | 2014-06-27 | 2017-08-10 | パイメトリクス，インコーポレイテッド | Talent data-driven identification system and method |
| WO2017112914A2 (en) * | 2015-12-23 | 2017-06-29 | Pymetrics, Inc. | Systems and methods for data-driven identification of talent |
| US20170357945A1 (en) * | 2016-06-14 | 2017-12-14 | Recruiter.AI, Inc. | Automated matching of job candidates and job listings for recruitment |
| WO2018042550A1 (en) * | 2016-08-31 | 2018-03-08 | 株式会社オプティム | Annual salary proposal system, annual salary proposal method and program |
Non-Patent Citations (2)
| Title |
|---|
| "人と組織のパフォーマンスを上げて収益を最大化／人事情報から人材情報へ", ＩＢＭ ＴＨＩＮＫ ＪＡＰＡＮ ２０１８, JPN6020008741, 11 June 2018 (2018-06-11), ISSN: 0004228449 * |
| "人材データベース／機能／カオナビ［シェアＮｏ．１］顔写真が並ぶ、クラウド人材管理ツール", インターネット(INTERNET ARCHIVE), JPN6020008743, 6 December 2018 (2018-12-06), ISSN: 0004228450 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7475529B1 (en) | 2023-10-23 | 2024-04-26 | 株式会社ビズリーチ | Information management system, information management method and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6796668B2 (en) | 2020-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Boeing | Online rental housing market representation and the digital reproduction of urban inequality | |
| Martin | Foresight in science and technology | |
| Gupta et al. | A longitudinal examination of the relationship between team leadership and performance | |
| Katidioti et al. | Choice in multitasking: How delays in the primary task turn a rational into an irrational multitasker | |
| US11500524B2 (en) | Automatic generation of preferred views for personal content collections | |
| US20150046356A1 (en) | Identification of skills gaps based on previous successful hires | |
| KR20210091680A (en) | How to recommend a business and how to recommend a curriculum | |
| CN110622188A (en) | System and method for calculating ranking and rating of member profiles in internet-based social network service and recording medium therefor | |
| US20030182173A1 (en) | System and method for improved capacity planning and deployment | |
| US20150356512A1 (en) | System and Method for Optimizing Job Candidate Referrals and Hiring | |
| US11144880B2 (en) | Document analysis using machine learning and neural networks | |
| KR101517306B1 (en) | Method, server and computer-readable recording media for providing on-line mentoring service | |
| US11410131B2 (en) | Talent platform exchange and rating system | |
| US11238410B1 (en) | Methods and systems for merging outputs of candidate and job-matching artificial intelligence engines executing machine learning-based models | |
| CA2851574A1 (en) | System and method for candidate matching | |
| WO2020148969A1 (en) | Information providing device, information providing system, information providing method, and non-transitory computer-readable medium in which program is stored | |
| JP2024056949A (en) | How to match employers with job seekers | |
| KR101964632B1 (en) | Method of providing resume form for job-offering and job-hunting service | |
| US20140136256A1 (en) | Methods for Identifying Subject Matter Expertise Across An Organization Hierarchy | |
| JP6796668B2 (en) | Information processing equipment, information processing methods and programs | |
| JP2020160551A (en) | Analysis support device for personnel item, analysis support method, program, and recording medium | |
| KR101589570B1 (en) | Method, server and computer-readable recording media for providing on-line mentoring service | |
| WO2018132860A2 (en) | System and method for determining rank | |
| US20140372331A1 (en) | Methods and apparatus having applicability to succession planning | |
| Abbas et al. | ‘Don’t be the same, be better’: an exploratory study on police mobile technology resistance |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190222 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200310 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200511 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201020 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201116 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6796668 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |